Google、音声対話AIモデル「Gemini 3.8 Live」と「3.8 Live Extended Thinking」を発表――会話を止めずにバックグラウンドで並列推論やツール実行が可能に

要点

• 米Googleは2026年9月15日、リアルタイム音声対話に対応する最新AIモデル「Gemini 3.8 Live」および「Gemini 3.8 Live Extended Thinking」を発表した。

• ユーザーとの対話を中断することなく、バックグラウンドで多段階推論や各種ツールの操作、視覚情報の処理を並行して実行できる。

• 音声対話の総合品質指標「Speech to Speech Quality Index」で首位を獲得するなど、複数の主要ベンチマークで高い性能とコスト効率を記録した。

• 開発者向けのGemini APIに加え、Google Workspace、Geminiアプリ、Google 検索を通じてすでに提供が開始されている。

• 米Googleは2026年9月15日、リアルタイム対話向けとして同社で最も高度なAIモデルとなる「Gemini 3.8 Live」および「Gemini 3.8 Live Extended Thinking」を発表した。知能の向上と並列推論能力の強化により、音声を通じた複雑なタスクの実行や共同作業をより直感的に行えるよう設計されているという。

• 同モデルは、開発者や企業が本番環境で運用可能な信頼性の高い音声エージェントを構築するための基盤として位置づけられている。また一般ユーザー向けにも、GeminiアプリやGoogle Workspace、Google 検索を通じた音声コミュニケーションの利便性を大きく引き上げるものと説明されている。

用途に応じて設計された2系統のモデル

今回投入されたモデルは、規模や求められる処理能力に応じて2つのバリエーションが用意されている。

1つ目の「Gemini 3.8 Live」は、大規模な展開とコスト効率を重視して設計されたモデルだ。流暢な対話能力と知能を備えつつ、視覚グラウンディング（カメラ映像などの視覚情報と対話内容をリアルタイムに結びつける技術）や複数言語のサポートを高速かつ低コストに提供する。

もう1つの「Gemini 3.8 Live Extended Thinking」は、高い複雑性を伴う高度なタスクをこなすために開発された上位モデルだ。さらなる知能の強化と多段階推論の能力を備えており、企業の業務や複雑な課題解決を担う音声エージェントとしての活用が想定されている。

会話を止めない「並列推論」と柔軟な対話機能

Googleによると、今回の新モデルはほぼリアルタイムでの推論能力が大きく進化しており、AIとの会話体験をより自然で知的なものにしているという。

最大の特徴の一つが、ユーザーとの会話を継続しながら、裏側で複雑な推論やタスクを実行できる点だ。従来のようにAIの処理完了を待つために会話が途切れることがなく、ユーザーが話し続けている間も、モデルはバックグラウンドで各種ツールの操作や思考プロセスの処理を並行して進めることができる。

さらに、対話の柔軟性も大幅に高められている。ユーザーからの急な発言の割り込み（インタラプション）に対しても自然に対応できるほか、会話途中での言語の切り替えもスムーズに行える。また、作業を行いながら自身の思考プロセスをユーザーにわかりやすく説明する能力も備えており、まるで実際に話を聞きながら一緒に考えてくれているかのような対話パートナーとしての感覚を提供するとしている。

主要ベンチマークで示された高い対話品質とタスク遂行能力

発表に合わせて公開された評価データによると、上位モデルのGemini 3.8 Live Extended Thinkingは複数の外部ベンチマークにおいて極めて高いスコアを記録している。

音声から音声へと直接対話を行う品質を測定するArtificial Analysisの「Speech to Speech Quality Index」では、82.6というスコアを記録して総合第1位を獲得した。また、自律的にツールを操作して目的を達成するエージェント性能を測るベンチマーク「τ-Voice（タウ・ボイス）」で68.6%を記録したほか、金融領域のタスクを対象としたSierraの「τ-Voice-banking」ベンチマークでも35.1%を記録し、エージェントタスク完了率でトップの座を占めたという。さらに、音声推論タスクの総合的なベンチマークである「Big Bench Audio」においても97.7%という高いスコアを記録している。これだけの高い性能を示しながらも、他の最先端モデルと比較して極めて競争力のある価格設定を維持していると同社は説明している。

一方、コスト効率に特化したGemini 3.8 Liveも、利用者の選好度に基づく「Speech Agent Arena」において第2位を獲得しており、ユーザーから高い支持を得ていることが示された。大規模なトラフィックを扱う開発者や企業にとっても、実用性と経済性を両立した選択肢となるとしている。

提供プラットフォームと利用方法

新モデルは、発表日である2026年9月15日より順次提供が開始されている。

開発者や企業はGemini APIを通じて両モデルへアクセスし、自社のサービスやアプリケーションに高品質な音声対話エージェント機能を組み込むことができる。また、一般ユーザーやビジネスユーザーに対しても、Geminiアプリ、Google Workspace、Google 検索の各種サービスを通じて機能が提供されており、日常の検索や業務の中で音声による高度な共同作業が利用可能となっている。